2018-10-08 18:55:09
本次实习是大学生涯的第一次实习。本次实习的主要内容是Python语言以及人工智能。下面我将对学习做出总结。
我接触到的机器语言有基础的C语言，JAVA语言，汇编语言但是都掌握的不是很熟悉，我本身对软件不是很感兴趣，但是随着接触得越多，也就慢慢熟悉了这些语言，就像人类语言一样，它有它的语法，有他的表达方式，通过计算机工作，极大减轻了我们的工作强度，一些计算复杂的工作，也可以告诉计算机，让计算机去实现，但是如何告诉计算机，让计算机明白我们的意思呢?这就需要我们通过机器语言去交流了，这就是所谓的编程。
在这些语言当中，我认为python是最简单的，并且相对来说没有那么多很死的规则，基本上更加人性化，更能符合人的思维表达，它是一种解释型、面向对象、动态数据类型的高级程序设计语言。我安装的是python3.6版本，之前我以为版本没有什么区别，但是我在实习过程中才发现python2.x和python3.x的版本是不同的，Python的3.0版本，常被称为Python 3000，或简称Py3k。相对于Python的早期版本，这是一个较大的升级。为了不带入过多的累赘，Python 3.0在设计的时候没有考虑向下兼容。许多针对早期Python版本设计的程式都无法在Python 3.0上正常执行。为了照顾现有程式，Python 2.6作为一个过渡版本，基本使用了Python 2.x的语法和库，同时考虑了向Python 3.0的迁移，允许使用部分Python 3.0的语法与函数。
在学习中最大的体会就是print 函数，print语句没有了，取而代之的是print()函数。 Unicode，Python 2 有 ASCII str() 类型，unicode() 是单独的，不是 byte 类型。现在，在Python 3，有了 Unicode (utf-8) 字符串，以及一个字节类：byte 和 bytearrays。其实我认为在最后大作业我的服务器搭建在2.x版本可以运行，3.6版本报错可能就是因为这个的原因造成的。其他还有一些区别，由于没有涉及到，也就不再一一赘述。
其次呢，我们通信专业比较熟悉的一个MATLAB软件其实在python里面也有这样的一个库，导入这个库我们就可以使用MATLAB一样画图，不仅如此，我们还可以自定义图形大小，图例，标题，线条等等，还可以保存画出来的图片。简直是极大地方便了我们，而且语法并不难，只是调用函数库，轻松就能实现。
人工智能这一块我们学习了算法和网页爬虫，先说说算法，学习的第一个算法是K-means算法，K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。其算法过程如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然 后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。比如说我们如下图的一个散点图，横坐标代表消费周期，纵坐标代表消费金额，我们要找出这里面潜在的超级VIP和VIP用户，咋一看根本不知道如何区别，但是经过算法之后就比较明显了。
相关推荐：
【Python培训 】从入门到精通 打造Python精英人才
算法得出的三个方框形便是聚类中心质点，能够看到他们消费周期差不多，但是蓝色消费金额最高，所以说他那一簇就是超级VIP。绿色则是VIP。
另外还有近邻算法(KNN)，算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。我们的应用场景是影片分类，先进行维度的距离求值，然后排序，然后取最近的几个样本，频率最高的类型就是该影片所属的类型。
算法在处理数据时可以让我们更加便捷，更能够准确判断出数据给我们的提示。从而做出正确的判断，在这个大数据时代，对数据敏感很重要，而这个敏感更多的是需要算法来帮助我们理解数据。
最后是网络爬虫，所谓爬虫，就是通过代码下载网上我们需要的信息。其实也很简单，说起来不过就是，打开网页，读取数据，筛选数据。但是实现还是需要一定动手能力的，因为网络的原因，这次我们还用python提供的WSGI接口供我们开启本地服务器，能和真正上网一样测试我们的爬虫。但是很遗憾，以为版本问题，我的服务器使用程序开启的时候出现了问题，但是在2.x版本时刻一正常运行的。但是我也自学了一个更简单的爬虫语句，那就是 you-get ，这句代码能轻松下载我们需要的视频信息等。更为简单方便，除此，还有很多的爬虫框架我们要可以使用，以后还有机会再去深入研究。
在最后，通过半个月的实习，学到了很多东西，掌握了基本的python语言，主要是发现这门语言似乎很适合我，激发了自己极大的兴趣，学到了一些算法的思维，以及加强了逻辑思维的学习，学会了如何把问题分割解决等等。也了解到了未来的人工智能发展，未来是个智慧的城市，我们赋予机器智能，是我们智慧的结晶。
最后，要感谢师傅和同事在这段时间的帮助，让我们在这里轻松地实习，在这里学到知识，开阔自己的眼界。
相关推荐：
[2018-11-09]
8433
